Extrahera PDF-tabeller

Identifierar alla tabeller i en PDF och låter dig exportera dem i valfritt format: CSV, JSON eller Markdown. Varje tabell extraheras enskilt med metadata om sida och position. Drivs av PyMuPDF:s tabelldetekteringsmotor.

Så fungerar det

Ladda upp en PDF genom att klicka på släppytan eller dra en fil dit.
Välj önskat exportformat: CSV, JSON eller Markdown.
Klicka på Extrahera för att starta bearbetningen.
Om en tabell hittas laddas den ner som en enskild fil. Flera tabeller ger ett ZIP-arkiv med en fil per tabell.

Alternativ

Exportformat: välj mellan:
- CSV: kommaseparerade värden med korrekt citering för fält som innehåller kommatecken, citattecken eller radbrytningar. Lämpligt för kalkylblad och databaser.
- JSON: struktur med matris av matriser, formaterad med 2 blanksteg indrag. Lämpligt för programmatisk användning.
- Markdown: tabellformat avgränsat med lodräta streck, återgivet av PyMuPDF. Lämpligt för dokumentation och README-filer.

Utdataformat

En tabell: filename_table.csv (eller .json / .md)
Flera tabeller: filename_tables.zip med filer som heter table_1_page3.csv, table_2_page5.csv osv.

Användningsfall

Extrahera vissa tabeller från långa PDF-rapporter utan att hämta ut hela dokumentets data.
Få tabeller i Markdown-format för att klistra in direkt i GitHub-ärenden, wikis eller dokumentation.
Hämta ut strukturerad JSON-data från PDF-tabeller för API-integrationer eller skript.
Jämföra tabeller mellan olika PDF-versioner genom att exportera båda till CSV och jämföra skillnaderna.

Tips

Det här verktyget ger dig kontroll per tabell. Om du bara vill ha alla tabeller samlade i en enda CSV, använd PDF till CSV. För en hel Excel-arbetsbok, använd PDF till Excel.
Tabeller som sträcker sig över flera sidor kan identifieras som separata tabeller per sida. Du kan behöva sätta ihop dem manuellt.
Om inga tabeller upptäcks kan PDF-filen vara en skannad bild. Kör den genom OCR först för att lägga till ett textlager.

Relaterade verktyg